Книга "Python programming"

Книга "Теоретический минимум по Big Data. Всё, что нужно знать о больших данных"

Для тех кто прётся от Python, как, например, это делаю я, то вот вам кулинарная книга для визуализаций

Регистрация на осенний конкурс дизайнеров и продактов.

Офигеть, оказывается мы делаем Карьерный Цех уже третий год 😳

Никогда бы не подумал, что продержимся так долго 🙂 Это начиналось как эксперимент.

Однако каждый следующий конкурс набирает все больше и больше участников (в прошлый раз работы сдали 240 продактов и больше 150 дизайнеров)

Это самое большое мероприятие подобного формата на русском языке.

Так что продолжаем! С удовольствием объявляю регистрацию на осенний конкурс. В этот раз UX дизайнеры и продакты.

Участие бесплатное.

Задания и механика конкурса позволяют оценить себя и понять свои реальные навыки. Для джунов это хороший шанс раскрыться и попасть через стену игнора HR-ов, а так же пополнить портфолио.

Для мидлов и сеньоров — возможность сравнить себя с другими и получить интересные офферы.

‼️Полное описание конкурса и регистрация на сайте Карьерного цеха:
— Продуктовые менеджеры
— Дизайнеры

Регистрация открыта до 24 сентября в 00:00 по мск

Как бонус - если получится, сегодня часов в 9-10 вечера проведу стрим с рассказом, как мы запускали конкурс, в чем идея и так далее, а так же отвечу на ваши вопросы.

#How_to_заботать

How to заботать собеседование на jun product-аналитика?

Уже не для кого не секрет, что из-за весны 2020 (пандемия) и 24-го февраля отечественные компании остро ощущают нехватку кадров. Джунов набирают тупо с улицы, а на Teamlead позицию ставят без внятного опыта работы. Такая "коррекция кадров" привела к тому, что стажер в другом финтехе спокойно залетает на Middle😳😳 В общем лучшего времени, чтобы начать карьеру может и не быть, а наименее требовательная по background область: конечно же product-аналитика. Отличный вариант для тех, у кого не срослись отношения с "программированием", но способны сложить 2 + 2. И недурное начало пути, если интересно попробовать себя в будущем как Data Scientist или Quantitative researcher🤓🤓. Могу заверить, что если ваша мама не употребляла алкоголь во время беременности, то у вас все получится, а подборка следующих материалов вам в этом поможет😎😎
Все книжки в комментариях, там же делимся любимыми материалами.

SQL
В принципе только это и стоит спрашивать джунов, ибо, похоже, ничем более они и не занимаются..
1. Интерактивный tutorial.
Кратенько ознакомитесь с возможностями sql и поймете о чем это вообще
2. Тренажер на stepik.
Хорошее продолжение, но дальше второго модуля точно не стоит смотреть. Также можете пропустить создания, удаление таблиц и прочее-прочее, спрашивать такое не будут, а при нужде загляните в документацию.
3. SQL ex
Куча упражнений с теорией, есть даже оконки
4. Документация PostgreSQL
Скорее всего, он и будет
5. Статьи про оконные функции
Джунов особо не спрашивают, скорее тема middle+, да и те на деле ими разве что строки нумеруют.
Статья_1 и Статья_2

Математическая Статистика
1. Курсы Карпова на stepik
Все на пальцах, но другого с вас на собесе и не спросят
Часть1, Часть2, Часть3
2. StatQuest
Дополнение к Карпову
3. "Практическая статистика для специалистов Data Science" Питер и Эндрю Брюс.
Недурно раскрыты важнейшие статистические понятия на куче примеров
4. "Теория вероятностей и математическая статистика" Л. Н. Фадеева, А. В. Лебедев.
Стандартный курс математической статистики для экономистов дополнит представления, полученные выше, в терминах теории вероятностей.
5. AB-тесты
Главное, что спросят на собесе. Смотрите How to заботать AB тесты

Cтатистика на python
1. Tutorial по python
Знакомит со всеми основными возможностями языка, нужными в работе. Если видите в первый раз, то там же можно и порешать задачки.
2. Numpy, Pandas, Matplotlib
1) Cтавим Jupyter Notebook
Вообще дедовский метод: освоить это все в процессе курса по статистическому практикум, скачать какой Data set с Kaggle и дрочить его, читая документацию. Но если очень охото можете посмотреть tutorialы для дебилов
1) Если знаем english, то смотрим freecodecamp:
https://www.youtube.com/watch?v=QUT1VHiLmmI&t=162.. – Numpy
https://www.youtube.com/watch?v=3Xc3CA655Y4&t=16s.. –Matplotlib
https://www.youtube.com/watch?v=vmEHCJofslg&t=151.. – Pandas
В целом канал очень крутой, куча всего классного по проге и мл.
2) Курс Хирьянова по анализу данных в МГУ (лекции 7,8,9,10, ноутбуки с кодом прилагаются на сосайте).
3. Курс по статистическому практикуму (notebook zip в комментах)
Много всего интересного: от библиотек до регрессий. Самое важно для собеса: научиться проверять гипотезы на независимых и парных выборках.

Продуктовое понимание
Здесь спрашивают представляете ли вы вообще, чем придется заниматься и как используется все вышеперечисленное.
1. Курс Тинькофф по аналитике
Темы разобраны поверхностно, но кратенько обобщит и структурирует все изученное на продуктовых примерах (notebook zip в комментах)
2. Наш файлик с основными метриками
3. ШМЯ
Здесь смотрим не раскрытые темы, смотреть полностью будет too mach

Ловите классную подборку 👆❤️

#How_to_заботать

How to заботать собес в Тиньку на аналитика?

Гут Шабес. Выражаю огромную благодарность, кто продолжает отправлять контесты: спасибо, что делаете прогнившую корпоративную культуру хоть чуточку ярче🥰🥰

Тем временем уже стартуют первые собесы на стажёров от Тинькофф Старт. Вспоминаем, как готовиться на проадкт-аналтика (+материалы). Времени не так много, поэтому в честь праздника подгон по каждому акту АВ теста, чтобы получить хоть какое-то представление об этой науке.

Если кратенько, то процесс АБ теста следующий: есть новое предложение, как улучшить метрики и его нужно протестить; берём репрезентативную выборку из генеральной совокупности, разбиваем ее на тест и контроль: на тест воздействуем, на контроль нет. Смотрим на получившиеся метрики, выбираем тест, чтобы проверить стат значимость и затем делаем вывод можем ли мы выкатывать фичу (в совковых учебниках пишут, что если нет стат значимости, то отвергаем альтернативу, но на практике обычно все посложнее).

Начнем с конца:
1. Какой тест выбрать для проверки двух гипотез? Если у нас уже есть разбитая выборка на тест и контроль (А и Б)

{https://youtu.be/oa8j8TOndpE

https://youtu.be/YuC1ZZTqdBA

https://vkteam.medium.com/practitioners-guide-to-statistical-tests-ed2d580ef04f

https://www.youtube.com/watch?v=-zps6hm0nX8&t=190s}

2. Как разбить репрезентативную выборку на тест и контроль (А и Б)?

{https://habr.com/ru/company/avito/blog/571096/}

3. Как определить какой размер репрезентативной выборки нам нужен? Которую мы затем разбиваем

{https://www.youtube.com/watch?v=2nP_gcut7SU}

4. Как из всей генеральной совокупности взять репрезентативную выборку (чтобы ее можно было экстраполировать на всю генеральную совокупность)? И вообще как обрабатывать данные перед тестом

{https://habr.com/ru/company/avito/blog/571094/

https://habr.com/ru/company/avito/blog/571096/

https://habr.com/ru/company/uchi_ru/blog/500918/}

Делимся замечаниями и материалами в комментах. Тетрадки лежат там же😎😎

Оконные и аналитические функции в SQL: Начало
Врываемся с серией постов про оконные функции в SQL. Оконные функции — это классная опция в некоторых движках баз данных, которая с легкостью помогает решать ряд аналитических задач без написания сложных SQL-конструкций.

Разберемся подробнее
Когда мы пишем запрос для получения агрегатов, то строки обрабатываются «единым куском», для которого вычисляется агрегат.
А при использовании оконных функций, запрос делится на “окна” и уже для каждой из отдельных частей считаются нужные агрегаты. ​​Важно помнить: движок посчитает в рамках окна только те агрегаты, которые используют оконное выражение, а не все подряд в запросе.
Окно определяется с помощью обязательной инструкции OVER():

SELECT функция (столбец для вычислений)
OVER (
   [PARTITION BY столбец для формирования окна]
   [ORDER BY столбец для сортировки]
   [ROWS или RANGE выражение для ограничения строк в пределах группы]
   )

Для лучшего понимания работы оконных функций стоит вспомнить о порядке выполнения запроса: так как оконные функции выполняются в блоке SELECT, то все вычисления в них происходят после возможной фильтрации и/или группировки. То есть, если в таблице с домашними животными указать WHERE animal = ‘cat’, то оконные функции будут оперировать только котиками, а попугаи и пёсики в их расчёты не попадут.

Интересная особенность
Можно не использовать опциональные конструкции и получить аналогичный обыкновенной агрегации результат.
Сравните:

SELECT SUM(amount) OVER() AS total_amount
FROM A

VS

SELECT SUM(amount) AS total_amount
FROM A

Оба запроса выдадут один и тот же результат. Но в первом случае мы можем дополнительно сразу выбрать другие поля, не участвующие в агрегации, в то время как второй вариант (классическая агрегация) такого не допускает.

Итак, в квадратных скобках обозначены необязательные параметры. Однако, вся суть в том, чтобы указать их для получения иного, разбитого по “окнам” результата.

Поговорим про них отдельно?
#leftjoin_sql

🧑‍💻 Подготовка к собеседованиям

Один из лучших способов подготовиться к интервью - попробовать поставить себя на место кандидата заранее.
В этом могут здорово помочь открытые собседования на ютубе. Подготовили для вас подборку из них.

Для джунов
1. Ключевые блоки: Python, A/B-тесты, Работа с данными (SQL+Pandas), ML алгоритмы
Junior Data Scientist | Собеседование | karpov.courses
2. Ключевые блоки: Python, SQL, ML и работа с данными, статистика
Типичное собеседование #1. Позиция Junior Data Scientist. Accepted!
3. Собеседование на работу с данными c помощью Python и SQL (проводит сам Анатолий Карпов!):
Junior аналитик данных | Собеседование | karpov.courses

Для мидлов
1. Двухсерийная версия: по ML Design и Python
Middle Data Scientist | Выпуск 1. Секция ML | Собеседование | karpov.courses
Middle Data Scientist | Часть 2. Секция Python и работы с данными | Собеседование | karpov.courses
2. Ключевые блоки: Теория вероятностей, SQL, ML, бизнес-кейс
Собеседование на Middle Data Scientist | #Нанято S1E01RU
3. Не совсем формат собеседования, но вопросы хорошие.
Ключевые блоки: Python, SQL, статистика, ML
100 Data Science вопросов мидлу! Парень c Физтеха проходит собеседование

Материал полезен? Тыкайте 🔥👍!

Яндекс Практикум запускает курс по визуализации данных для аналитиков.

Поможем разобраться в интерфейсе актуальных BI- и инструментов визуализации и понять основы визуализации: какие бывают данные, как их преподносить и делать понятными для бизнеса.

После трёх месяцев курса студенты:
— добавят в резюме Tableau, DataLens и Datawrapper;
— научатся создавать интерактивные и комплексные дашборды;
— смогут составлять ТЗ на визуализацию и собирать требования с бизнес-заказчика;
— научатся выбирать и создавать типы визуализации для разных данных и бизнес-запросов;
— смогут представлять инсайты, найденные в данных.

Теорию предстоит изучать в интерактивном тренажёре. Практиковаться — на реальных проектах под руководством наставника.

Протестируйте формат бесплатно →

​Экономика процессов в продукте: больше, чем юнит-экономика. Открытый вебинар ProductSense 29 сентября

Нужно ли пытаться считать юнит-экономику в B2B или для внутренних продуктов? А как быть с темой маржинальности, когда прямой монетизации нет?

Есть два решения. Плохое — не усложнять, не считать, выбирать «ехать», а не «шашечки». Хорошее — посмотреть глубже.

Юнит-экономика — это отражение того, как работает бизнес-модель в продуктовой реальности. И за этим кроется много важного: процессы внутри продукта, потоки денежных средств, система «Пользователь — Продукт — Бизнес», маржинальные/не маржинальные и масштабируемые/не масштабируемые сегменты.

🗓 29 сентября в 19:00 МСК, Елена Серёгина проведет вебинар, на котором поможет разобраться в теме метрик маржинальности продукта.

Поговорим о том, какие возможности дает более широкий взгляд на экономику продукта. Как из зоны непонимания, что происходит в бизнесе, прийти к зоне ясности на уровне денежных метрик. Пойдем от простого к сложному.

Вы откроете для себя несколько больший инструмент, чем просто усложнение юнит-экономики. Скорее, у вас появится еще один угол зрения на все системы и процессы в жизни и бизнесе.

Кому полезно

Middle+ продуктовым менеджерам, senior продуктовым аналитикам, middle+ маркетологам, топ-менеджмерам, c-level специалистам.

Об эксперте

Елена Серёгина — автор фреймворка «Пирамида продуктовых метрик», аналитик и основатель бюро Datalatte. Преподаватель MBA МГУ и ВШЭ. Автор курсов по метрикам, «Стратегической аналитике продуктов». Популяризатор аналитики. С нуля выстроила аналитику Яндекс.Браузера. Затем применила полученный опыт в Яндекс.Такси.

🕛 Когда: 29 сентября 19:00 МСК
⏳ Длительность: 1,5 часа
📺 Формат: YouTube-трансляция

👉 Зарегистрироваться

EY в Польшу ищет младшего датавиз инженера ваять дашборды. Надо чтобы знал power bi ну или Tableau.

https://www.linkedin.com/jobs/view/3210558467

#foreign
#dashboard

Бесплатный курс «Основы DataLens» 🎉
Запустили на Практикуме первые 4 модуля курса: от подключения к данным до создания дашбордов. Новые модули будут появляться по мере их написания. Курс направлен на изучение инструмента и погружение от основ до более глубоких тем.

Формат курса — текстовые теоретические блоки с небольшими скринкастами и самостоятельной работой на бизнес-кейсах. Вместе с аналитиком Анатолием Биаевым участники решат задачи маркетплейса «Живём один раз» и освоят инструмент.

Будем рады видеть вас на курсе и вашей обратной связи по первым модулям!

Нарративная алгебра || Основные теоремы аналитической геометрии

Не для кого уже не секрет, что мы недавно провели несколько успешных запусков курса по ВУЗовской математике. К несчастью, пока лишь мечта, чтобы на будущих занятиях обсуждались лишь трудные вещи, а простые оставались на дом. Отчасти потому что за пару десятков лет не появилось ни одного громкого курса на уровне Зорича, Беклемишева, которые просто откровенно устарели. Где-то до сих пор решают Демидовича, и гадают месяцами, почему умножение матриц задается именно так, а не иначе. Сегодня же мои любимые подписчики🥰🥰 найдут ответы на все вопросы, связанные с Аналитической геометрией: учимся решать любую геометрическую задачу аналитически, что так нужно на первом курсе.
Если будет (((много лайков и шэров))) затехаю листочек с не менее интересными задачками, которые помогут еще лучше разобраться в теме😎😎 Пока советую порешать Смирнова

Лекции по алгебре:
Лекция 1
Лекция 2
Лекции по анализу:
Лекция 1
Лекция 2

Еще одна книжка про визуализацию — хвалят её, говорят, учит как делать данные нескучными
https://socviz.co/

Вот еще небольшая подборка — на этот раз про вопросы и тестовые задания для продактов из реальных компаний. Можно готовиться к собеседованиям, а можно просто подумать, а как бы вы отвечали на эти вопросы.

— Больше 40 тестовых заданий на продакта от ProductStar. Все открыто, берите и смотрите
— Тренажер тестовых заданий от SkillSetter. Тренажер, потому что можно посмотреть ответ и то, как отвечают другие продакты (но для этого нужно зарегаться). Тут 30 заданий
— Большая база вопросов с собеседований продактов в иностранные компании. Можно настроить фильтр по компании и по типу вопроса. Тут тоже надо зарегаться, но если вы собираетесь релоцироваться, то это must see